灰色模型GM(1,1)背景值的一种改进方法

分析了灰色GM(1,1)模型的理论缺陷,提出了对背景值的一种改进方法,建立了GM(1,1,λ)模型,数据模拟结果表明,GM(1,1,λ)模型的模拟精度高于GM(1,1)模型,既适合低增长指数序列建模,也适合高增长指数序列建模.     

改进背景值的GM（1,1）优化模型

灰色GM（1,1）模型建模时,背景值和初值的选取对建模的精度有着十分重要的影响。本文在进一步分析GM（1,1）建模机理的基础上,利用指数拟合及高斯求积公式提出了一种新的求取背景值的方法。经检验该方法对高指数增长和低指数增长都有较好的拟合精度和预测准确度。     

灰色预测模型背景值改进方法比较分析

背景值的构造是影响GM(1,1)模型拟合和预测精度的关键因素之一。已有的研究文献对背景值构造提出了多种方法,但均是和传统的GM(1,1)模型比较,相互之间没有比较分析,文中选取常用的区间面积和、背景值最佳生成系数、积分三种重构背景值方法进行比较分析,结果表明对于呈近似指数增长的序列和高增长序列,区间面积和重构背景值方法的拟合和预测精度更高,对于低增长序列,背景值最佳生成系数重构背景值方法在预测精度上较好。     

非等间距GM(1,1)模型背景值构造方法及应用

背景值是影响灰色系统理论建模精度的重要因素之一。为提高灰色模型的预测精度,对非等间距GM(1,1)模型中的背景值构造进行了研究,提出了用x(1)(t)在区间[ki,ki 1]上的中点实际值作为背景值。该背景值计算简洁,适应性强,提高了非等间距GM(1,1)模型精度,拓广了非等间距GM(1,1)模型的适用范围。并应用改进的非等间距GM(1,1)对钛合金疲劳强度随温度变化的关系进行建模,取得了满意的效果,数据拟合精度高达98.8%。建模结果表明了该文提出的方法的有效性。     

灰色预测模型背景值的改进与应用

GM(1,1)灰色预测模型能够对含有不确定因素的系统进行预测,其已成为决策和系统分析的重要方法之一,但在预测中也会产生一定的误差,而背景值是导致GM(1,1)灰色预测模型产生误差的主要原因之一,为了降低灰色模型的预测误差,基于柯特斯公式和拉格朗日公式组合插值的方法建立一种新的灰色模型的背景值,将该模型应用于我国老年人口数的预测。数值实验表明,新模型极大地降低了预测误差,并增强了原模型的适用性。     

灰色GM(1,1)模型建模的理论探讨

在分析GM(1,1)建模中灰导数及其白化背景值对模型精度与适应性的影响的基础上,从灰导数、灰导数的白化背景值的构造证明了原始时间序列数据变化越平缓,发展系数的绝对值越小,GM(1,1)模型的拟合与预测精度越高,模型的适应性越强,同时提出了原始序列数据的一些处理方法。     

传统灰色建模的一些理论问题

分析了GM(1,1)建模中灰导数及其白化背景值对模型精度与适应性的影响,并从灰导数、灰导数的白化背景值的构造证明了原始时间序列数据变化越平缓,发展系数的绝对值越小,GM(1,1)模型的拟合与预测精度越高,模型的适应性越强,根据研究结果指出了提高GM(1,1)模型精度的研究方向.     

灰色修正模型及其在大坝监测中的应用

灰色修正模型是改善GM（1,1）模型在背景值取值上的不足,通过加权的手段来获取背景值,通过实例,得出RGM（1,1）模型预测和模拟效果相比较GM（1,1）更好。     

改进的灰色预测模型在电力系统负荷预测中的应用

灰色预测模型具有多种优点,适用于电力负荷预测,但其存在很多局限性。根据建模机理,适当改进影响模型精度的几种重要因素,能够有效地提高模型的预测精度。通过石家庄市电网年度销售电量数据加以验证。证明改进的效果明显。     

灰色GM（1,1）模型在厦门市人口预测中的应用

采用较传统模型更简便、可行、精确度高,无需典型概率分布,可减少时间序列随机性的灰色GM（1,1）模型,对厦门市2000—2010年的人口进行预测,与现实数据相比,相对误差为0.78%,预测精确度较高.因此模型对未来10年厦门市人口发展的规模、水平和趋势进行预测,以促进厦门市的总体规划和持续发展.     

基于有理插值公式GM（1，1）模型的背景值构造新方法与应用

本文通过分析GM（1,1）模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,进而有效地提高模型的预测精度和适用性,最后将此方法应用到我国人均能源消耗量预测建模中,理论分析和应用实例表明了文章所提方法的有效性。     

非等间距GM（1，1）模型背景值的改进及其应用

根据模型的指数特性以及积分特点,以数据曲线在每个区间[k_(i-1),k_i]与坐标轴所围成的梯形面积作为模型背景值z~(1)(k_i)与z~(1)(k_(i-1))的差值,并对其进行修正,从而达到对传统非等间距GM(1,1)模型进行优化的目的.最后采用实例进行验证,并将结果同其他文献的拟合精度进行对比,从而验证算法的有效性与可行性.     

一种新弱化缓冲算子的构造及应用

灰色序列算子对灰色预测模型的预测精度起到关键作用.在已有缓冲算子和弱化缓冲算子研究基础上,构造出一种新的弱化缓冲算子,有效解决了冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明该弱化缓冲算子使用方便、有效,能显著提高GM(1,1)模型的预测精度.     

一个基于背景值和初始条件优化的GM(1,1)模型

背景值和初始条件对GM(1,1)模型的拟合和预测有着极大的影响,通过优化模型的背景值,赋予边值条件为修正形式x (1) (n)+β,利用原始序列新预测值的误差在最小二乘意义下最小准则,从而得到了一个新改进的GM(1,1)优化模型.最后,通过计算实例验证了该优化模型具有极高的预测和模拟精度.     

一种新的背景模型建立及更新方法

提出一种新的建立背景模型和更新背景的方法．首先采用一种新颖的类Hausdorff距离建模方法建立初始背景，然后对每一输入帧使用背景差分法获得前景，并利用高效分类器创造性地将前景分类为运动目标、静止目标、虚假目标、噪声，最后在背景更新阶段使用基于前景目标的背景更新方法．实验结果表明，本方法能建立可靠初始背景，并能有效地解决背景更新“死锁”问题，增强背景模型的鲁棒性．     

基于改进的变权缓冲灰色模型在沉降预测中的应用

针对灰色模型在中后期沉降预测中的精度问题,提出了单、双权幂函数弱化缓冲算子,并结合变权背景值建立改进的变权缓冲GM(1,1)模型。证明了新算子能提高光滑性、缩小级比偏差,实现对原始沉降数据的预处理。对于模型中的权值采用以还原值与原始值平均相对误差最小为目标的粒子群优化算法确定。最后,以高填方机场地表沉降数据预测为例,验证所提改进模型的有效性。结果表明：新算子能够有效弱化沉降序列受到的冲击扰动影响,结合变权背景值能显著提高灰色模型在中后期沉降预测中的精度。此外,对新算子的权值进行限定后,可得到两种不同的变权弱化缓冲算子。     

CSCD环境下协作设计过程的一种建模方法及应用

采用面向对象技术分析协作设计活动,使用状态图和petri来描述协作设计活动的动态特性,建立相应的模型,在此基础上获得1个支持协作的事务模型,得到对应的系统结构。     

浅析价值管理在工程项目招标投标过程的应用

建设工程项目价值即以最优的资源配置有效地实现建设项目利益相关者的需求。而价值管理在工程项目招标投标过程中的应用则更丰富了实现项目利益的途径。本文就价值管理在工程招投标阶段的应用、价值管理在工程招标评标中应用的基本思路和主要步骤以及通过案例分析,来进一步探讨分析价值管理的应用情况。